如何用正则仅移除XML标签中的连字符？

嘿Andrea！我懂你遇到的问题——你写的(?<=\w)-(?=\w)确实能匹配所有字母数字间的连字符，但没法区分标签内外，这就很头疼对吧？

其实只要给你的正则加上标签范围的环视约束，就能精准锁定<>内部的目标连字符了。试试这个正则：

(?<=<[^>]*\w)-(?=\w[^>]*>)

拆解一下这个正则的逻辑： #

• (?<=<[^>]*\w)：反向预查，确保连字符前面是<开头，中间是任意非>的字符（意味着还在标签内部），最后紧跟一个字母数字\w
• -：就是你要移除的那个目标连字符
• (?=\w[^>]*>)：正向预查，确保连字符后面是一个字母数字\w，接着是任意非>的字符，最后以>收尾（确保仍在标签内部）

举个实际的例子：
原始内容：<text-numbers>hello-world</text-numbers>
替换后：<textnumbers>hello-world</textnumbers>
你看，标签里的-被移除了，但文本里的hello-world完全不受影响，完美符合你的需求！

如果用Python来实现的话，代码大概是这样：

import re

# 损坏的XML内容
broken_xml = "<user-id>my-name-is-andrea</user-id><product-code>abc-123-def</product-code>"
# 执行替换
fixed_xml = re.sub(r'(?<=<[^>]*\w)-(?=\w[^>]*)', '', broken_xml)
print(fixed_xml)
# 输出：<userid>my-name-is-andrea</userid><productcode>abc-123-def</productcode>

这个方案能处理标签内多个连字符的情况，也不会误碰标签外的内容，应该能帮你搞定XML修复的问题啦！

内容的提问来源于stack exchange，提问作者Akylle